首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >NumPy进阶80题完整版|附Notebook版本下载

NumPy进阶80题完整版|附Notebook版本下载

作者头像
刘早起
发布于 2020-07-23 10:16:10
发布于 2020-07-23 10:16:10
2.5K02
代码可运行
举报
文章被收录于专栏:早起Python早起Python
运行总次数:2
代码可运行

前言

大家好,NumPy进阶修改80题现在已经全部更新完毕,80道习题涵盖了NumPy中数组创建、访问、筛选、修改、计算等常用操作,如果不熟悉NumPy的读者可以刷一遍,因为里面的代码大多拿走就能用,所以如果你已经了解NumPy的基本操作,我更建议将这80题当成速查手册使用,随用随查!本文共分为两个部分:

  • 完整版NumPy80题
  • Notebook版下载方式

NumPy进阶修炼80题完整版

01

数据查看

题目:导入并查看NumPy版本

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import numpy as np
print(np.__version__)

备注:你需要关注你的NumPy版本,部分方法会随着版本更新而变化

02

数据创建

题目:创建十个全为0的一维数组

难度:⭐

期望结果

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.zeros(10)

03

数据创建

题目:创建10个全为0的一维数据并修改数据类型为整数

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.zeros(10,dtype = 'int')

04

数据创建

题目:创建20个0-100固定步长的数

难度:⭐

期望答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
array([ 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80,
       85, 90, 95])

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.arange(0,100,5)

05

数据创建

题目:从list创建数组

难度:⭐

输入

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
List = [1,2,3,4,5,6,7,8,9]

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result = np.array(List)

06

数据创建

题目:创建一个三行三列全是1的矩阵

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#方法1
np.ones((3,3))
#方法2
np.array([[ 1., 1., 1.],
       [ 1., 1., 1.],
       [ 1., 1., 1.]])

07

数据创建

题目:创建一个2行2列矩阵并且元素为布尔类型的True

难度:⭐⭐

期望结果

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
array([[ True, True],
       [ True, True]])

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.full((2,2), True, dtype=bool)

08

数据创建

题目:创建等差数列

备注:从5开始,50结束,共10个数据

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.linspace(start=5,stop=50,num=10)

09

数据创建

题目:创建等差数列

备注1:从5开始,50结束,共10个数据,数据类型为int32

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.arange(start = 5, stop = 55, step = 5,dtype = 'int32')

备注2:思考与上一题的不同

10

数据创建

题目:创建3x3矩阵

备注:矩阵元素均为0—10之间的随机数

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.random.randint(0,10,(3,3))

11

数据创建

题目:创建3x3矩阵

备注:矩阵元素均为服从标准正态分布的随机数

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.random.randn(3, 3)

12

数据重塑

题目:将第五题的result修改为3x3矩阵

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result = result.reshape(3,3)

13

数据修改

题目:对上一题生成的result取转置

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result.T

14

数据查看

题目:查看result的数据类型

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result.dtype
#dtype('int64')

15

数据查看

题目:查看result的内存占用

难度:⭐

备注:直接查看或手动计算

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#方法一:直接查看
result.nbytes
#方法2
手动计算
result.itemsize * 9
#72

16

数据创建

题目:将result的数据类型修改为float

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result = result.astype(float)

17

数据提取

题目:提取result第三行第三列的元素

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result[2,2]

18

数据修改

题目:将result第三行第三列的元素放大十倍

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result[2,2] = result[2,2] * 10

19

数据提取

题目:提取result中的所有偶数

难度:⭐⭐

期望输出

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
array([ 2., 4., 6., 8., 90.])

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result[result % 2 == 0]

20

数据修改

题目:将result中所有奇数修改为666

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result[result % 2 == 1] = 666

21

数据创建

题目:创建主对角线都是5的5x5矩阵

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result = np.diag([5,5,5,5,5])

22

数据修改

题目:交换第一列与第二列

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = result[:, [1,0,2,3,4]]

23

数据修改

题目:交换第一行与第二行

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
result[result % 2 == 1] = 666

24

数据查看

题目:判断两个矩阵是否有任何元素不同

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
print((a == b).all())

25

数据计算

题目:计算两个矩阵不同元素的个数

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
len(np.argwhere(a != b))

26

数据查看

题目:找到两个矩阵不同元素的位置

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.argwhere(a != b)

27

数据计算

题目:对a和b做矩阵乘法

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.dot(a,b)

28

数据计算

题目:计算a和b对应元素相乘

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
print(np.multiply(a,b))
print('========方法2========')
print(a * b) #方法2

29

数据计算

题目:计算行列式(使用21题生成的矩阵)

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.linalg.det(result)

30

数据计算

题目:矩阵求逆(使用21题生成的矩阵)

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.linalg.inv(result)

31

数据计算

题目:将22与23题生成的np.array对象修改为np.matrix对象

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = np.matrix(a)
b = np.matrix(b)

32

数据计算

题目:计算上一题生成的两个np.matrix格式矩阵的对应元素乘积(对比异同)

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.multiply(a,b)

33

数据计算

题目:对31题生成的两个np.matrix格式矩阵做矩阵乘法(对比异同)

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a * b

34

数据计算

题目:将ab两个矩阵按照行拼接

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.hstack((a,b))

35

数据计算

题目:将ab两个矩阵按照列拼接

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.vstack((a,b))

36

数据计算

题目:思考下面代码运行后new的结果

难度:⭐⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
new = np.pad(result,pad_width = 1,constant_values=1)

37

数据查找

题目:找到new中大于1的元素的位置

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.argwhere(new > 1)

38

数据修改

题目:将new中大于1的元素修改为8

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
new[new > 1] = 8

39

数据计算

题目:对new矩阵按列求和

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.sum(new, 0)

40

数据计算

题目:对new矩阵按行求和

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.sum(new, 1)

41

数据创建

题目:生成6行6列的二维数组,值为1-100随机数

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data = np.random.randint(1,100, [6,6])

42

数据查找

题目:找到每列的最大值

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.amax(data, axis=0)

43

数据查找

题目:找到每行的最小值

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.amin(data, axis=1)

44

数据计算

题目:计算data每个元素的出现次数

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.unique(data,return_counts=True)

45

数据计算

题目:计算data每行元素大小排名

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data.argsort()

46

数据处理

题目:将data按行重复一次

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.repeat(data, 2, axis=0)

47

数据处理

题目:去除data的重复行

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.unique(data,axis = 0)

48

数据抽样

题目:从data的第一行中不放回抽3个元素

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.random.choice(data[0:1][0], 3, replace=False)

49

数据计算

题目:计算data第二行中不含第三行的元素的元素

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = data[1:2]
b = data[2:3]
index=np.isin(a,b)
array=a[~index]
array

50

数据计算

题目:判断data是否有空行

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
(~data.any(axis=1)).any()

51

数据排序

题目:将data的每行升序排列

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data.sort(axis = 1)

52

数据转换

题目:将data的数据格式转换为float

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data1 = data.astype(float)

思考:为什么不能在data本身转换

53

数据修改

题目:将data1小于5的元素修改为nan

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data1[data1 < 5] = np.nan

54

数据处理

题目:删除data1含有空值的行

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data1 = data1[~np.isnan(data1).any(axis=1), :]

55

数据计算

题目:计算data1第一行出现频率最高的值

难度:⭐⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
vals, counts = np.unique(data1[0,:], return_counts=True)
print(vals[np.argmax(counts)])

56

数据计算

题目:计算data1中与100最接近的元素

难度:⭐⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = 100
data1.flat[np.abs(data1 - a).argmin()]

57

数据计算

题目:计算data1每一行的元素减去每一行的平均值

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data1 - data1.mean(axis=1, keepdims=True)

58

数据计算

题目:将data1归一化至区间[0,1]

难度:⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = np.max(data1) - np.min(data1)
(data1 - np.min(data1)) / a

59

数据计算

题目:将data1标准化

难度:⭐⭐⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
mu = np.mean(data1, axis=0)
sigma = np.std(data1, axis=0)
(data1 - mu) / sigma

60

数据存储

题目:将data1存储至本地

难度:⭐

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.savetxt('test.txt',data1)

61

数据查找

问:如何获得两个数组之间的相同元素

输入

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings("ignore")
arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)

答案

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.intersect1d(arr1,arr2)

62

数据修改

问:如何从一个数组中删除另一个数组存在的元素

输入

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.setdiff1d(arr1,arr2)

63

数据修改

问:如何修改一个数组为只读模式

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(1,10,10)

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(1,10,10)
arr1.flags.writeable = False

64

数据转换

问:如何将list转为numpy数组

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = [1,2,3,4,5]

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = [1,2,3,4,5]
np.array(a)

65

数据转换

问:如何将pd.DataFrame转为numpy数组

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
df.values

66

数据分析

问:如何使用numpy进行描述性统计分析

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)

print("arr1的平均数为:%s" %np.mean(arr1))
print("arr1的中位数为:%s" %np.median(arr1))
print("arr1的方差为:%s" %np.var(arr1))
print("arr1的标准差为:%s" %np.std(arr1))
print("arr1,arr的相关性矩阵为:%s" %np.cov(arr1,arr2))
print("arr1,arr的协方差矩阵为:%s" %np.corrcoef(arr1,arr2))

67

数据抽样

问:如何使用numpy进行概率抽样

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.array([1,2,3,4,5])

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.array([1,2,3,4,5])
np.random.choice(arr,10,p = [0.1,0.1,0.1,0.1,0.6])

答案:

68

数据创建

问:如何为数据创建副本

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.array([1,2,3,4,5])

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#对副本数据进行修改,不会影响到原始数据
arr = np.array([1,2,3,4,5])
arr1 = arr.copy()

69

数据切片

问:如何对数组进行切片

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.arange(10)

备注:从索引2开始到索引8停止,间隔为2

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.arange(10)
a = slice(2,8,2)
arr[a] #等价于arr[2:8:2]

70

字符串操作

问:如何使用NumPy操作字符串

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
str1 = ['I love']
str2 = [' Python']

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#拼接字符串
str1 = ['I love']
str2 = [' Python']
print(np.char.add(str1,str2))

#大写首字母
str3 = np.char.add(str1,str2)
print(np.char.title(str3))

71

数据修改

问:如何对数据向上/下取整

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.uniform(0,10,10)

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.uniform(0,10,10)
print(arr)
###向上取整
print(np.ceil(arr))
###向下取整
print(np.floor(arr) )

72

格式修改

问:如何取消默认科学计数显示数据

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.set_printoptions(suppress=True)

73

数据修改

问:如何使用NumPy对二维数组逆序

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,10,[3,3])

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,10,[3,3])
print(arr)
print('列逆序')
print(arr[:, -1::-1])
print('行逆序')
print(arr[-1::-1, :])

74

数据查找

问:如何使用NumPy根据位置查找元素

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(1,10,5)
arr2 = np.random.randint(1,20,10)

备注:在arr2中根据arr1中元素以位置查找

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr1 = np.random.randint(1,10,5)
arr2 = np.random.randint(1,20,10)
print(arr1)
print(arr2)
print(np.take(arr2,arr1))

75

数据计算

问:如何使用numpy求余数

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
a = 10
b = 3

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.mod(a,b)

76

数据计算

问:如何使用NumPy进行矩阵SVD分解

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
A = np.random.randint(1,10,[3,3])

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.linalg.svd(A)

77

数据筛选

问:如何使用NumPy多条件筛选数据

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,20,10)

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,20,10)
print(arr[(arr>1)&(arr<7)&(arr%2==0)])

78

数据修改

问:如何使用NumPy对数组分类

备注:将大于等于7,或小于3的元素标记为1,其余为0

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,20,10)

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,20,10)
print(arr)
print(np.piecewise(arr, [arr < 3, arr >= 7], [-1, 1]))

79

数据修改

问:如何使用NumPy压缩矩阵

备注:从数组的形状中删除单维度条目,即把shape中为1的维度去掉

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,10,[3,1])

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
arr = np.random.randint(1,10,[3,1])
print(arr)
print(np.squeeze(arr))

80

数据计算

问:如何使用numpy求解线性方程组

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])
b = np.array([9, 8, 3])

备注:求解Ax=b

答案:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])
b = np.array([9, 8, 3])
x = np.linalg.solve(A, b)
print(x)

下载方式

为了让各位读者更方便的刷题,我已经将NumPy80题整理在Notebook中,共分为两个版本,一份无答案版可以用来刷题?

一份有答案版本用来参考学习?

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-07-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 早起Python 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
NumPy学的还不错?来试试这20题!
NumPy大家应该不陌生了,看了太多的原理讲解之后,用刷题来学习是最有效的方法,本文将带来20个NumPy经典问题,附赠20段实用代码,拿走就用,建议打开Jupyter Notebook边敲边看!
刘早起
2020/07/22
1K0
NumPy学的还不错?来试试这20题!
numpy总结
df = pd.DataFrame({‘A’:[1,2,3],‘B’:[4,5,6],‘C’:[7,8,9]})
北山啦
2022/11/27
2.4K0
numpy总结
NumPy进阶修炼80题|41-60
大家好,又到了NumPy进阶修炼专题,其实已经断更很久了,那么在本文正式发布题目之前,先说下改动的地方,在以前的Pandas120题和NumPy热身20题中,我都是将我的答案附在每一题的后面? 这种形
刘早起
2020/07/17
5140
NumPy进阶修炼80题|41-60
NumPy进阶修炼|热身20题
大家好,NumPy系列讲解已经更新了两期,今天将整理一些相关的题目来实际操作一下,因为在Pandas系列中有涉及到部分NumPy操作因此我也不确定最终会有多少题,暂且先来个20题热热身吧!
刘早起
2020/05/11
5340
一份 Numpy 小抄请查收
在numpy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank)。如3D空间中一个点的坐标[1,2,3]是一个秩为1的数组,因为它只有一个轴,这个轴长度为3,在下面的例子中数组的秩为2(它有两个维度),第一个维度为2,第二个维度为3。
syy
2020/04/07
4690
Pandas进阶修炼120题|完整版
『Pandas进阶修炼120题』系列现已完结,我们对Pandas中常用的操作以习题的形式发布。从读取数据到高级操作全部包含,希望可以通过刷题的方式来完整学习pandas中数据处理的各种方法,当然如果你是高手,也欢迎尝试给出与答案不同的解法。
刘早起
2020/04/15
13.2K1
Pandas进阶修炼120题|完整版
50个常用的 Numpy 函数详解
来源:CDA数据分析师 本文约7500字,建议阅读15分钟 在本文中,将介绍NumPy在数据科学中最重要和最有用的一些函数。 Numpy是python中最有用的工具之一。它可以有效地处理大容量数据。使用NumPy的最大原因之一是它有很多处理数组的函数。在本文中,将介绍NumPy在数据科学中最重要和最有用的一些函数。 创建数组 1、Array 它用于创建一维或多维数组 numpy.array(object, dtype=None, *, copy=True, order='K'
数据派THU
2023/05/18
1K0
50个常用的 Numpy 函数详解
Python:numpy模块最详细的教程
一、numpy简介 numpy官方文档:https://docs.scipy.org/doc/numpy/reference/?v=20190307135750 numpy是Python的一种开源的数
Python学习者
2023/01/04
1.3K0
数据清洗、合并、转化和重构
1、数据清洗是数据分析关键的一步,直接影响之后的处理工作 2、数据需要修改吗?有什么需要修改的吗?数据应该怎么调整才能适用于接下来的分析和挖掘? 3、是一个迭代的过程,实际项目中可能需要不止一次地执行这些清洗操作 4、处理缺失数据:pd.fillna(),pd.dropna() 1、数据连接(pd.merge) 1、pd.merge 2、根据单个或多个键将不同DataFrame的行连接起来 3、类似数据库的连接操作 示例代码: import pandas as pd import numpy as np
用户1332428
2018/03/08
9820
NumPy 中级教程——数组操作
NumPy 是 Python 中用于科学计算的核心库之一,提供了强大的数组操作功能。本篇博客将深入介绍 NumPy 中的数组操作,包括数组的切片、索引、形状操作、合并与分割等,通过实例演示如何应用这些功能。
Echo_Wish
2023/12/30
2290
Numpy库
NumPy是一个功能强大的Python库,主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作,可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。他有以下几个特点:
用户9615083
2022/12/25
3.9K0
Numpy库
AI基础:Numpy简易入门
NumPy(Numeric Python)提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用,以及核心的科学计算组织如:Lawrence Livermore,NASA 用其处理一些本来使用 C++,Fortran 或 Matlab 等所做的任务。
Ai学习的老章
2019/12/05
7390
【Python数据分析】NumPy基础,看这一篇就够了!
NumPy是Python的一种开源的数值计算扩展库,包含很多功能,如创建n维数组(矩阵)、对数组进行函数计算、数学计算等等。
Skrrapper
2025/05/09
2070
【Python数据分析】NumPy基础,看这一篇就够了!
Numpy
numpy(numerical Python) 是 Python 数值计算最重要的基础包,大多数提供科学计算的包都是用 NumPy 的数组为构建基础。 NumPy 可以用于数值计算的一个重要原因是因为他能处理大数组的数据:
爱编程的小明
2022/09/05
1.3K0
Numpy
Numpy基础知识点汇总
1、概述 Numpy是高性能科学计算和数据分析的基础包,它的部分功能如下: 1)ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。 2)对整组数据进行快速运算的标准数学函数 3)用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 2、ndarray的创建 这一节,我们主要关注ndarray数组的创建,我们主要有以下几种方式: 数组转换 创建数组的最简单的方法就是使用array函数,将Python下的list转换为ndarray。 #通过数组创建一个ndarray data1
石晓文
2018/04/11
1.6K0
Python 数据处理:NumPy库
✅作者简介:人工智能专业本科在读,喜欢计算机与编程,写博客记录自己的学习历程。 🍎个人主页:小嗷犬的博客 🍊个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。 🥭本文内容:Python 数据处理:NumPy库 ---- Python 数据处理:NumPy库 1.NumPy简介 2.NumPy的ndarray:一种多维数组对象 2.1 创建ndarray 2.2 ndarray的数据类型 2.3 NumPy数组的运算 2.4 基本的索引和切片 2.5 切片索引 2.6 布尔型索引 2
小嗷犬
2022/11/15
5.9K0
Python 数据处理:NumPy库
我的机器学习numpy篇何为ndarray?ndarry创建生成正态分布ndarry属性修改形状ndarry运算ndarry切片矩阵转置聚合函数
前言: numpy是以矩阵为基础的数学计算模块,其基础为多维数组为ndarray 官方文档:(https://docs.scipy.org/doc/numpy/user/index.html) 何为ndarray? 一种由相同类型的元素组成的固定的多维数组。(注意黑体字) ndarry创建 代码如下 import numpy as np np.array([[1,2,3],[4,5,6]]) np.zeros((4,5)) np.ones((2,3,4)) np.random.randin
DC童生
2018/04/27
1.1K0
我的机器学习numpy篇何为ndarray?ndarry创建生成正态分布ndarry属性修改形状ndarry运算ndarry切片矩阵转置聚合函数
numpy科学计算包的使用1
Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy、matplotlib一起使用。其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数。
听城
2018/04/27
1.3K0
numpy科学计算包的使用1
这8个NumPy函数可以解决90%的常见问题
NumPy是一个用于科学计算和数据分析的Python库,也是机器学习的支柱。可以说NumPy奠定了Python在机器学习中的地位。NumPy提供了一个强大的多维数组对象,以及广泛的数学函数,可以对大型数据集进行有效的操作。这里的“大”是指数百万行。
deephub
2023/08/29
2850
这8个NumPy函数可以解决90%的常见问题
NumPy从入门到放弃
公众号本文地址:https://mp.weixin.qq.com/s/EocThNWhQlI2zeLcUApsQQ
愷龍
2024/08/09
3010
NumPy从入门到放弃
相关推荐
NumPy学的还不错?来试试这20题!
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档